何栋磊，黄　民

(北京信息科技大学 机电工程学院，北京　100192)



基于改进EEMD和香农熵的铣刀磨损状态监测研究*

何栋磊，黄民

(北京信息科技大学 机电工程学院，北京100192)

摘要：为了分析铣削加工中复杂的声发射信号和克服EMD方法的模态混叠缺陷，在原始集合经验模态分解(EEMD)的基础上，提出一种改进的EEMD方法应用于铣刀磨损的状态监测。通过引入白噪声准则和中值滤波优化EEMD的算法，并基于香农熵从分解得到的IMF分量中提取有效分量，剔除虚假分量。最后将有效IMF分量的能量作为特征向量输入支持向量机(SVM)分类器来识别铣刀的磨损状态。经过在立式铣削加工中心上进行实验，结果表明此方法在识别铣刀磨损状态方面具有更高的准确性。

关键词：铣刀磨损状态监测；集合经验模态分解；白噪声准则；香农熵

0引言

在切削过程中，刀具与工件、切屑剧烈摩擦，不可避免的会产生刀具磨损和破损，若继续加工会直接降低产品的加工质量和生产效率。因此，采用适当方法建立精确可靠的刀具磨损状态监测系统对于提高加工精度和产品效益具有重要意义。目前，在刀具状态监测领域针对车削等连续加工方式的研究在理论和实践应用中取得了丰硕的成果，而对于断续加工方式下刀具磨损状态监测的研究理论准备不足，实用可靠性较低。铣削是多齿断续切削，切削过程中有多个刀刃参与加工，每旋转一周，铣刀上的一个刀齿仅工作一段时间，切入切出时易引起冲击振动。……